圖像分割的研究與實現_第1頁
圖像分割的研究與實現_第2頁
圖像分割的研究與實現_第3頁
圖像分割的研究與實現_第4頁
圖像分割的研究與實現_第5頁
已閱讀5頁，還剩9頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

畢業課題:圖像分割的研究與實現

答辯人：李金文1.基于區域的分割方法:基于閥值的分割方法、邊緣檢測法2.特定理論的常見的圖像分割方法3.常見圖像分割方法的算法實現

4.圖像分割的仿真與結果分析

圖像分割的研究與實現意義：基于區域的分割方法是根據區域內特點的相似程度把圖像劃分成一系列有實際意義區域的處理方法。

基于閥值的分割方法：單閥值、多閥值邊緣檢測法：Roberts算子，Prewitt算子，Sobel算子，Log算子，canny算子

基于區域的分割方法單閥值、多閥值

圖像只有目標和背景兩大類,那么只需選取一個閾值稱為單閾值分割。這種方法是將圖像中每個像素的灰度值與閾值相做比較。然后將圖像分為兩類，灰度值大于閾值的像素為一類，灰度值小于閾值的像素為另一類。如果圖像中有多個目標就需要選取多個閾值將各個目標分開，這種方法稱為多閾值分割。

雙峰之間的波谷處就是圖像的閾值所在，如圖1—1所示很容易理解波谷的兩側分別對應著差異明顯的兩個區域：前景和背景。這種方法一般適用于差異對比很明顯的圖像。

但是在很多情況下，圖像的背景由多部分構成，其中的一些部分在目標閾值灰度的左側，一些在目標灰度值的右側，假如進行單閾值分割的話，必然會造成其中的一部分背景在分割時被當做背景處理了。這時就需要設置多個閾值即使用多閾值分割。

特定理論的圖像分割方法1.基于神經網絡的分割方法：神經網絡方法分割圖像的思想是用訓練樣本集對神經網絡進行訓練以確定節點間的連接和權值，再用訓練好的神經網絡分割新的圖像數據，這種方法需要大量的訓練數據。神經網絡存在巨量的連接，容易引入空間信息，能較好地解決圖像中的噪聲和不均勻問題。選擇何種網絡結構是這種方法要解決的主要問題。2.基于數學形態學的邊緣檢測方法：它的基本思想是用具有一定形態的結構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。基于形態學的圖像邊緣檢測的關鍵是針對各種運算的特點，結合形態學多結構元多尺度的特性，構造優良的邊緣檢測算子來較好地解決邊緣檢測精度與抗噪聲性能的協調問題。

常見圖像分割方法的算法實現基

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論